پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,685 |
| تعداد مشاهده مقاله | 114,997,347 |
| تعداد دریافت فایل اصل مقاله | 89,671,228 |
جانمایی دوربین در طراحی شبکه‌های فتوگرامتری صنعتی با استفاده از بهینه‌سازی تکاملی چندگانه | ||
| نشریه دانشکده فنی | ||
| مقاله 4، دوره 42، شماره 3 - شماره پیاپی 1890، تیر 1387 اصل مقاله (584.57 K) | ||
| نویسندگان | ||
| محمد سعادت سرشت؛ فرهاد صمدزادگان* | ||
| چکیده | ||
| موضوع طراحی شبکه های فتوگرامتری امروزه تبدیل به بهبود موضعی شبکه موجود شده است که در آن بایستی تصاویر جدید در موقعیت و وضعیت مناسب از شئ اخذ گردیده تا دقت نقطه تامین گردد. برای این منظور بایستی قیود دید نیز به طور هم زمان ارضاء گردد. بنابراین مساله جانمایی دوربین یک مساله بهینه‌سازی است که در این تحقیق برای اولین بار با استفاده از بهینه‌سازی تکاملی چندگانه بر مبنای مفهوم جبهه پرتو بروش NSGA-II حل شده است. مزیت این روش ارائه راه حل بهینه برای مواقعی است که روش های قبلی مانند روش های معین جانمایی دوربین و روش جانمایی دوربین فازی به جواب نمی‌رسند یا در نقطه بهینه موضعی همگرا می‌شوند. این روش قابلیت تحلیل کارایی روش های دیگر جانمایی دوربین و تبیین پیچیدگی مساله جانمایی دوربین در شبکه‌های فتوگرامتری را به دست می‌دهد. در این تحقیق پس از پیاده‌سازی روش NSGA-II، آزمایش هائی روی یک حالت پیچیده جانمایی دوربین صورت گرفت. نتایج این آزماش ها مبین قابلیت بالای این روش در حل مسائل سخت مانند طراحی شبکه‌های فتوگرامتری بردکوتاه می‌باشد. | ||
| کلیدواژه‌ها | ||
| الگوریتمهای تکاملی؛ بهینه‌سازی؛ جانمایی دوربین؛ طراحی شبکه؛ فتوگرامتری صنعتی؛ هوش مصنوعی | ||
| عنوان مقاله [English] | ||
| Multi-Objective Optimization of Vision Metrology Camera Placement Based on Pareto Front Concept by NSGA-II Method | ||
| چکیده [English] | ||
| Nowadays, the subject of vision metrology network design is local enhancement of the existing network. In the other words, it has changed from first to third order design concept. To improve the network, locally, some new camera stations should be added to the network in drawback areas. The accuracy of weak points is enhanced by the new images, if the related vision constraints are satisfied simultaneously. Therefore, the camera placement is an optimization problem that here is solved by using NSGA-II, a multi-objective evolutionary algorithm (MOEA) based on Pareto front concept. Although we have proposed two deterministic ITO and OTI methods and a non-deterministic fuzzy camera placement method in our previous research, here we solved the problem by an MOEA method. The NSGA-II network design method is able to solve the problem in complex cases in which other aforementioned methods are failed or cannot converge to global optimum. In addition, it is a good means to analysis the capabilities of other methods especially in complex network cases. It also gives us several optimal solutions for camera placement, so that designer can select one of them based on his/her experience and environmental restrictions. In this research, we did various tests on a complex example of camera placement by using NSGA-II algorithm. The result demonstrates the high capabilities of the method in solving and analyzing the camera placement in complex close-range photogrammetric networks. | ||
| کلیدواژه‌ها [English] | ||
| and Evolutionary Algorithms, Artificial Intelligence, Camera Placement, Network Design, optimization, Vision Metrology | ||
|
آمار تعداد مشاهده مقاله: 1,774 تعداد دریافت فایل اصل مقاله: 1,479 |
||